Gentrification and urban forest structure and stress: Lessons from two cities
Notice bibliographique
Résumé
Urban trees must be both present and healthy to provide vital ecosystem services, but there are documented inequities in tree canopy cover within U.S. cities. These inequities, like cities themselves, are not static. However, the influence of urban social and physical change itself on urban tree canopy structure, and especially tree stress, is poorly understood, limiting the efficacy of long-term urban forest planning. Gentrification, the process by which investments in a neighborhood displace low-income residents, can disrupt both social relationships and the physical space of the neighborhood, and can thus influence patterns of tree planting, investment in tree care, and likelihood of tree damage. Here, we quantify patterns in the number, diversity, and stress of street trees stress across neighborhoods in two regions experiencing gentrification: the West Side of Chicago, IL and Durham, NC. We found variation in the number, diversity and stress of street trees, including numerous regions where more than a third of street trees had high stress. However, the results do not indicate a uniform relationship between social and physical disruption and the number, diversity, or stress of trees. Our results and supplementary case study analysis hint at the role of municipal policies alongside non-governmental and community actions for especially tree planting practices and potentially tree care. Research and management that considers the role of actors such as residents, local non-profits, and city governments together may be better able to adjust management based on local conditions to cultivate a more resilient urban street tree population • Proportion of trees with high stress reached as high as 59%, but varied within cities • Social and physical disruption was not uniformly associated with negative outcomes • Tree number and stress are consistent with city policies (especially for construction) • Species diversity consistent with influence of city policies and/or landowners • Mixed methods needed to clarify influence of municipal and non-governmental actors
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».